MétaCan
Menu
Retour à la cohorte
Enregistrement W2885938839 · doi:10.5539/jfr.v7n5p98

Textural Hardness of Selected Ugandan Banana Cultivars under Different Processing Treatments

2018· article· en· W2885938839 sur OpenAlexvenueno aff
Samuel Gafuma, George William Byarugaba-Bazirake, Ediriisa Mugampoza

Notice bibliographique

RevueJournal of Food Research · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSensory Analysis and Statistical Methods
Établissements canadiensnon disponible
Organismes subventionnairesAfrican Development Bank Group
Mots-clésSteamingFood scienceChemistryMashingCultivarBoilingHorticultureBiology

Résumé

récupéré en direct d'OpenAlex

Textural hardness affects cooking time, processing, fuel used and the quality of cooked bananas. In this study, textural hardness of selected Ugandan cooking and juice banana cultivars at green maturity was determined using a Texture Analyzer in raw form and at 30, 50, 70, 90, 100 and 130 min in boiled, steamed, mashed and cooled forms.Raw juice bananas (JB) were significantly harder (36.17N to 42.43N) than raw cooking bananas (CB) (22.37N to 26.72N) (p<0.05). On cooking, JB were harder than CB irrespective of cooking method and time. Boiling and steaming rapidly decreased hardness of the bananas in the first 30 min and decreased slowly thereafter. Boiling produced softer bananas than steaming while mashing resulted in intermediate hardness. Amongst JB, Kayinja was significantly harder than Ndiizi and Kisubi in boiled and steamed forms (p<0.05). Hardness of CB was not significantly different (p>0.05) for all cooking treatments, but Kibuzi was consistently softer while Kazirakwe and Nakabululu were harder than other CB cultivars.Cooling significantly increased (p<0.05) hardness of bananas under all treatments with JB being harder in all cases. Mashed and steamed bananas were harder than boiled bananas when cooled. Bananas cooked longer had lower hardness regardless of cooking method.Overall, textural hardness decreases with cooking time regardless of cooking method. Boiled bananas are softer than mashed or steamed. Cooling increases hardness which follows first order kinetics. Therefore, bananas should either be boiled or steamed and mashed for softer texture and be eaten within 30 min of serving. Juice bananas should not be cooked because of the hard texture established in this study.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,200
Tête enseignante GPT0,423
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetSensory Analysis and Statistical MethodsTravaux en français237 207